我正在尝试使用概率模型重现其他人的工作。不幸的是,我没有太多关于他们的方法的信息,只有他们的起始数据和模型图。
当我在 ggplot 中绘制数据并使用拟合线时geom_smooth(method = "glm", ...)
,我能够重现以前的工作。然而,当我尝试使用(我认为是)在 ggplot 之外拟合一个相同的模型时glm()
,我得到不同的预测。我觉得我犯了一些愚蠢的错误,但我不能完全确定。
这是一个可重现的示例:
library(tidyverse)
set.seed(123)
df <- tibble(x = c(0.006, 0.014, 0.025, 0.05, 0.15, 0.3, 0.5),
y = c(0.4, 0.733, 0.875, 1, 1, 1, 1))
probit_model <- glm(y ~ x, data = df, family = quasibinomial(link = "probit"))
df <- df %>%
add_row(x = 0.001, y = NA) %>% # To underline that these models are different
mutate(y_pred = predict(probit_model, newdata = ., type = "response"))
df %>%
ggplot(aes(x, y)) +
geom_point(size = 4) +
geom_line(aes(y = y_pred), color = "red", lwd = 1) +
geom_smooth(formula = y ~ x, color = "blue",
method = "glm", fullrange = TRUE,
method.args = list(family = quasibinomial(link = "probit"))) +
scale_x_log10(limits = c(0.001, 1))
这是它产生的情节。请注意,蓝线和红线描述了不同的拟合。我相信他们should是相同的(忽略红线的分段性质),因为它们使用相同的模型和数据。
我在故障排除过程中阅读了相当多的帖子,许多回复表明geom_smooth()
不能替代建模。总的来说,我同意。也就是说,我明确地试图弄清楚什么geom_smooth()
在这里做,然后在 ggplot 之外重现它。
我的问题是:
为什么这两个模型不同?怎么geom_smooth()
呼叫glm()
?我怎样才能打电话glm()
我自己重现模型geom_smooth()
正在使用?